Windows10 64位CUDA10.1开发环境安装教程
Windows7 64位CUDA10.1开发环境安装教程
一、环境说明
1、软件环境
windows10 64位
CUDA 10.1
Visio Studio 2017
2、硬件环境
(1)查看本机显卡
(2)下载显卡驱动
https://www.nvidia.com/Download/index.aspx?lang=en-us
(3)下载CUDA开发工具
下载CUDA 10.1
二、安装配置
1、安装显卡驱动和CUDA 10.1
2、测试环境
出现以上信息配置成功
3、编译测试文件
(1)找到以下文件,并使用VS2017打开
(2)编译生成
(3)配置环境变量
检验CUDA_PATH和CUDA_PATH_V10.0已经存在
然后添加如下环境变量
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
配置完成后需要重启电脑后,再一次查看
4、配置VS2017
(1)打开vs2017,创建测试工程
(2)新建的工程中添加CUDA C/C++ File
(3)添加项目依赖项,选择CUDA 10.1
(4)cuda_main.cu的属性配置成“CUDA C/C++”
5、项目配置
只配置X64
(1)包含目录配置
项目属性–>属性–>配置属性–>VC++目录–>包含目录
添加包含目录: $(CUDA_PATH)\include
(2)库目录配置
VC++目录–>库目录
添加库目录: $(CUDA_PATH)\lib\x64
(3)依赖项配置
配置属性–>链接器–>输入–>附加依赖项
添加库文件:
cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
nvcuvid.lib (添加了该库后程序运行时会报错,去掉该库)
OpenCL.lib
6、检验
- 打开命令提示符:定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64\Release
- 分别输入deviceQuery,bandwidthTest并运行,出现如下类似信息便说明CUDA安装成功
三、实际测试
参考:https://blog.****.net/u013165921/article/details/77891913
在GPU中完成一个矩阵的计算
将以下代码放到二中建立的cuda_main.cu文件,并运行
-
// CUDA runtime 库 + CUBLAS 库
-
#include "cuda_runtime.h"
-
#include "cublas_v2.h"
-
#include <time.h>
-
#include <iostream>
-
using namespace std;
-
// 定义测试矩阵的维度
-
int const M = 5;
-
int const N = 10;
-
int main()
-
{
-
// 定义状态变量
-
cublasStatus_t status;
-
// 在 内存 中为将要计算的矩阵开辟空间
-
float *h_A = (float*)malloc(N*M * sizeof(float));
-
float *h_B = (float*)malloc(N*M * sizeof(float));
-
// 在 内存 中为将要存放运算结果的矩阵开辟空间
-
float *h_C = (float*)malloc(M*M * sizeof(float));
-
// 为待运算矩阵的元素赋予 0-10 范围内的随机数
-
for (int i = 0; i < N*M; i++) {
-
h_A[i] = (float)(rand() % 10 + 1);
-
h_B[i] = (float)(rand() % 10 + 1);
-
}
-
// 打印待测试的矩阵
-
cout << "矩阵 A :" << endl;
-
for (int i = 0; i < N*M; i++) {
-
cout << h_A[i] << " ";
-
if ((i + 1) % N == 0) cout << endl;
-
}
-
cout << endl;
-
cout << "矩阵 B :" << endl;
-
for (int i = 0; i < N*M; i++) {
-
cout << h_B[i] << " ";
-
if ((i + 1) % M == 0) cout << endl;
-
}
-
cout << endl;
-
/*
-
** GPU 计算矩阵相乘
-
*/
-
// 创建并初始化 CUBLAS 库对象
-
cublasHandle_t handle;
-
status = cublasCreate(&handle);
-
if (status != CUBLAS_STATUS_SUCCESS)
-
{
-
if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
-
cout << "CUBLAS 对象实例化出错" << endl;
-
}
-
getchar();
-
return EXIT_FAILURE;
-
}
-
float *d_A, *d_B, *d_C;
-
// 在 显存 中为将要计算的矩阵开辟空间
-
cudaMalloc(
-
(void**)&d_A, // 指向开辟的空间的指针
-
N*M * sizeof(float) // 需要开辟空间的字节数
-
);
-
cudaMalloc(
-
(void**)&d_B,
-
N*M * sizeof(float)
-
);
-
// 在 显存 中为将要存放运算结果的矩阵开辟空间
-
cudaMalloc(
-
(void**)&d_C,
-
M*M * sizeof(float)
-
);
-
// 将矩阵数据传递进 显存 中已经开辟好了的空间
-
cublasSetVector(
-
N*M, // 要存入显存的元素个数
-
sizeof(float), // 每个元素大小
-
h_A, // 主机端起始地址
-
1, // 连续元素之间的存储间隔
-
d_A, // GPU 端起始地址
-
1 // 连续元素之间的存储间隔
-
);
-
cublasSetVector(
-
N*M,
-
sizeof(float),
-
h_B,
-
1,
-
d_B,
-
1
-
);
-
// 同步函数
-
cudaThreadSynchronize();
-
// 传递进矩阵相乘函数中的参数,具体含义请参考函数手册。
-
float a = 1; float b = 0;
-
// 矩阵相乘。该函数必然将数组解析成列优先数组
-
cublasSgemm(
-
handle, // blas 库对象
-
CUBLAS_OP_T, // 矩阵 A 属性参数
-
CUBLAS_OP_T, // 矩阵 B 属性参数
-
M, // A, C 的行数
-
M, // B, C 的列数
-
N, // A 的列数和 B 的行数
-
&a, // 运算式的 α 值
-
d_A, // A 在显存中的地址
-
N, // lda
-
d_B, // B 在显存中的地址
-
M, // ldb
-
&b, // 运算式的 β 值
-
d_C, // C 在显存中的地址(结果矩阵)
-
M // ldc
-
);
-
// 同步函数
-
cudaThreadSynchronize();
-
// 从 显存 中取出运算结果至 内存中去
-
cublasGetVector(
-
M*M, // 要取出元素的个数
-
sizeof(float), // 每个元素大小
-
d_C, // GPU 端起始地址
-
1, // 连续元素之间的存储间隔
-
h_C, // 主机端起始地址
-
1 // 连续元素之间的存储间隔
-
);
-
// 打印运算结果
-
cout << "计算结果的转置 ( (A*B)的转置 ):" << endl;
-
for (int i = 0; i < M*M; i++) {
-
cout << h_C[i] << " ";
-
if ((i + 1) % M == 0) cout << endl;
-
}
-
// 清理掉使用过的内存
-
free(h_A);
-
free(h_B);
-
free(h_C);
-
cudaFree(d_A);
-
cudaFree(d_B);
-
cudaFree(d_C);
-
// 释放 CUBLAS 库对象
-
cublasDestroy(handle);
-
getchar();
-
return 0;
-
}
运行结果如下所示:
参考: